概率论多维随机变量及其分布函数

多维随机变量与分布一、引言在概率论与数理统计中，我们经常会遇到多维随机变量及其分布的问题。

多维随机变量是指具有多个分量的随机变量，它们之间可能存在某种关联或者相互依赖的关系。

多维随机变量的分布可以描述每个分量和它们之间的关系，从而帮助我们更好地理解和分析随机现象。

二、多维随机变量的定义与性质1. 多维随机变量的定义多维随机变量由多个分量组成，每个分量都是一个随机变量。

设有n个分量的多维随机变量为(X1, X2, ..., Xn)，其中Xi表示第i个分量的随机变量。

2. 多维随机变量的联合分布函数与概率密度函数对于多维随机变量(X1, X2, ..., Xn)，我们可以用联合分布函数或联合概率密度函数来描述其分布。

联合分布函数F(x1, x2, ..., xn)定义为：F(x1, x2, ..., xn) = P(X1 ≤ x1, X2 ≤ x2, ..., Xn ≤ xn)，其中x1, x2, ..., xn 为任意实数。

如果多维随机变量(X1, X2, ..., Xn)具有联合概率密度函数f(x1, x2, ..., xn)，则有：F(x1, x2, ..., x n) = ∫∫...∫f(u1, u2, ..., un)dudv...dw，其中积分区域为u1 ≤ x1, u2 ≤ x2, ..., un ≤ xn。

3. 多维随机变量的边缘分布函数与概率密度函数多维随机变量的边缘分布函数是指将多维随机变量的联合分布函数对除了某个分量之外的所有其他分量积分得到的函数。

边缘分布函数的定义如下：F1(x1) = P(X1 ≤ x1)，F2(x2) = P(X2 ≤ x2)，..., Fn(xn) = P(Xn ≤ xn)。

同样地，边缘概率密度函数是指将多维随机变量的联合概率密度函数对除了某个分量之外的所有其他分量积分得到的函数。

4. 多维随机变量的独立性与相关性多维随机变量的独立性指的是其中的分量之间没有任何相互依赖的关系。

第三章 多维随机变量及其分布第一节二维随机变量的概念1.二维随机变量定义：设(X,Y)是二维随机变量，记为:(,){()()}=≤⋂≤F x y P X x Y y (,)=≤≤P X x Y y (,)-∞<<∞-∞<<∞x y称(,)F x y 为X 与Y 的分布函数，或称X 与Y 的联合分布函数}}(){{(,lim (,)→+∞=≤=≤≤+∞=X y F x P X x P X x Y F x y}}(){{,lim (,)→+∞=≤=≤+∞≤=Y x F y P Y y P X Y y F x y分布函数(,)F x y 性质:1）(,)F x y 是变量x 和变量y 的不减函数，(分别关于x 和y 有单调不减性) 2）0(,)1≤≤F x y ，任意一边趋于-∞＝０.F(∞，∞)=1（用来确定未知参数）.3）(,)(0,)(0,0)=+=++F x y F x y F x y ，即(,)F x y 分别关于x 右连续，关于y 也右连续,4）对于任意11221212(,),(,),,,<<x y x y x x y y 下述不等式成立(可用于判定二元函数(,)F x y 是不是某二维随机变量的分布函数):22211112(,)(,)(,)(,)0-+-≥F x y F x y F x y F x y 2.二维离散型随机变量:定义:如果二维随机变量(X,Y)只取有限对或可列无穷多对，则称(X,Y)是二维离散型随机变量其概率{,},,1,2,====i i ij P X x Y y p i j …为二维离散型随机变量(X,Y)的分布律，或随机变量X 和Y 是联合分布律 性质:1.0,(i,j 1.2.....)≥=ij P2.1≤≤=∑∑i i ijx x y yp满足以上两条，即为二维离散型随机变量的分布律. 注；步骤:定取值,求概率,验证1.离散型随机变量X 和Y 的联合分布函数为(,)≤≤=∑∑i i ijx x y yF x y p，其中和式是对一切满足,≤≤i i x x y y 的i,j 来求和的边缘分布定义:对于离散型随机变量(X,Y)，分量X 和Y 的分布律(), 1.2...(), 1.2..的边缘分布律：的边缘分布律：••========∑∑i i ij jJ i ij iX p P X x p i Y p P Y y p i ，0,0(, 1.2....)1•••≥≥===∑∑i j jiip p i j pi p联合确定边缘，但一般情况，边缘不能确定的联合，除非相互独立. 比如；有放回的摸球，就是X ，Y 相互独立. 不放回地摸球，是条件分布.3.二维连续型随机变量的概率密度和边缘概率密度. 对比一维的: 概率密度:()()1∞-∞==⎰f x f x dx ，分布律:{}(),≤≤=⎰b aP a x b f x dx 分布函数:()()-∞=⎰xF x f t dt二维:定义:设二维随机变量(X,Y)的分布函数为(,)F x y ，若存在非负可积函数(,)f x y ，使得对于任意实数x,y 有(,)(,)-∞-∞=⎰⎰xyF x y f u v dudv ，则称(X,Y)为二维连续型随机变量，(,)f x y 称为(X,Y)的概率密度，或联合概率密度.概率密度的性质: 1.(,)F x y ≥0 2.(,)1∞∞-∞-∞=⎰⎰f x y dxdy只要具有以下两条性质，必可作为某二维随机变量的概率密度.3.已知(X,Y)的概率密度(,)f x y ，则(X,Y)在平面区域D 内取值的概率为:{(,)}(,)∈=⎰⎰DP X Y D f x y dxdy (作二重积分)(随机点(X,Y)落在平面区域D 上的概率等于以平面区域D 为底，以曲面(,)=z f x y 顶的典顶的体积) 4.若(,)F x y 在点(x,y)连续，则有2(,)(,)∂=∂∂F x y f x y x y(连续就能根据分布律求概率密度)1） 当求()=P X Y 时，它只是一条线，所以：()0＝=P X Y2） 一个方程有无实根：20++=ax bx c ，即求：22240,40,40,一个实根无实根两个实根+=+<+>b ac b ac b ac均匀分布：定义:设D 为平面上的有界区域，其面积为S ，且0>S ,如果二维随机变量(X,Y)的概率密度为1,(x,y)(,)0,其它⎧∈⎪=⎨⎪⎩Df x y S，则称(X,Y)服从区域D 上的均匀分布(或叫(X,Y)在D 上服从均匀分布，记作（X,Y ）D U . 两种特殊情形:1） D 为矩形，,c )≤≤≤≤a x b y d 时，1,()()(,),c )0,其它⎧⎪--=≤≤≤≤⎨⎪⎩b a dc f x y a x b y d2） D 为圆形，如(X,Y)在以原点为圆心，R 为半径的圆域上服从均匀分布，则(X,Y)的概率密度为:22221,(,))0,其它π⎧⎪=+≤⎨⎪⎩f x y x y R R定义:对连续型随机变量(X,Y),分量X,Y 的概率密度称为(X,Y)关于X 或Y 的边缘概率密度,记作(),X f x ().Y f y X 的分布函数:()(,)(,)∞-∞-∞⎡⎤=∞=⎢⎥⎣⎦⎰⎰xX F x F x f u v dv du （让Ｙ趋于正无穷） Y 的分布函数:()(,)(,)∞-∞-∞⎡⎤=∞=⎢⎥⎣⎦⎰⎰yY F y F y f u v du dv （让Ｘ趋于正无穷） X 的概率密度:()(,),()∞-∞=-∞<<∞⎰X f x f x y dy xY 的概率密度:()(,),()∞-∞=-∞<<∞⎰Y f y f x y dx y（二维的边缘概率密度是直接以联合概率密度在负无穷到正无穷对对应元素积分，其间需要对划分区间的作分别积分）(X,Y)的概率密度:(,)(,)[(,)]-∞-∞-∞-∞==⎰⎰⎰⎰x yx yf x y f u v dudv f u v dv du二维正态分布： 二维正态221212(,)(,,,,)σσρX Y N u u 分布函数的性质:1.211()(,)σX N u ,222()(,)σY N u 边缘服从一维正态分布2.0,ρ=⇔xy X Y 独立（相关系数为Ｏ，则两个随机变量独立）3.212()()σ++k X k Y N u (线性组合按一维正态处理)4. 1212()，±±k X k Y c X c Y 服从二维正态（如：(,)+-X Y X Y ） 条件分布:设(X,Y)是二维离散型随机变量，对于固定的j ，若{}0=>j P Y y ，则称{=i P X x ｜{,}},1,2,{}⋅=======i j ij j j jP X x Y y p Y y i P Y y p …为在=j Y y 条件下随机变量X 的条件分布律同样地，若{}0,=>i P X x 则称{=j P Y y ｜{,}},1,2,{}⋅=======i j ij i i i P X x Y y p X x j P X x p …为=i X x 条件下随机变量Y 的条件分布律 变形，即得求联合分布律的方法.设二维随机变量(X,Y)的概率密度为f(x,y),(X,Y)关于Y 的边缘概率密度为()Y f y .若对于固定的y,()0,>Y f y 则称(,)()Y f x y f y 为在Y=y 的条件下X 的条件概率密度称|(,)(|)()-∞-∞=⎰⎰xxX Y Y f x y f x y dx dx f y 为在Y=y 的条件下，X 的条件分布函数，记为P{X ≤x|Y=y}或|(|)X Y F x y ，即|(,)(|){|}()-∞=≤==⎰x X Y Y f x y F x y P X x Y y dx f y 设F(x,y)及(),()X Y F x F y 分别是二维随机变量(X,Y)的分布函数及边缘分布函数，若对于所有x,y 有P{X ≤x,Y ≤y}=P{X ≤x}P{Y ≤y},即(,)()()=X Y F x y F x F y ，则称随机变量X 和Y 是相互独立的设(X,Y)是连续型随机变量，(,),(),()X Y f x y f x f y 分别为(X,Y)的概率密度和边缘概率密度，则X 和Y 相互独立的条件等价于(,)()()=X Y f x y f x f y 在平面上几乎处处成立(除去面积为0的集合以外，处处成立)第二节随机变量的独立性1. 两个随机变量的独立性 定义:设(,),().()X Y F x y F x F y 分别是二维随机变量(X,Y)的分布函数和两个边缘分布函数，若对任意实数,x y 有(,)().()=X Y F x y F x F y ，则称X 与Y 相互独立.可用于判断独立性(随机变量独立,对任意实数x,y,事件X ,Y ≤≤x y 相互独立) 以上公式等价于:(X ,Y )(X ).()≤≤=≤≤X Y P x y P x P Y y 可类推至多个函数的情况.1)如果X,Y 随机变量独立，().()连续f x g y ，(通过函数作用)则().()f x g y 也独立.(可类推至多个随机变量的情况)例:X,Y 独立，则22,x y 独立.2)如果1212,...,...，ＹＹＹm m X X X 相互独立，12m 121()()...()()()....()和，f x f x f x g y g y g y 也相互独立。

第三章多维随机变量及其分布随机向量的定义：随机试验的样本空间为S={ω}，若随机变量X1(ω),X2(ω),…,X n(ω)定义在S上，则称（X1(ω),X2(ω),…,X n(ω)）为n维随机变量（向量）。

简记为（X1,X2,…,X n）。

二维随机向量（X,Y），它可看作平面上的随机点。

对（X,Y）研究的问题：1．（X,Y）视为平面上的随机点。

研究其概率分布——联合分布率、联合分布函数、联合概率密度；Joint2．分别研究各个分量X,Y的概率分布——边缘（际）分布律、边缘分布函数、边缘概率密度；marginal3．X与Y的相互关系；4．（X,Y）函数的分布。

§ 3.1 二维随机变量的分布一．离散型随机变量1．联合分布律定义3.1 若二维随机变量(X,Y)可能取的值(向量)是有限多个或可列无穷多个,则称(X,Y) 为二维离散型随机变量。

设二维离散型随机变量(X,Y)可能取的值(x i,y j), i，j=1,2…,取这些值的概率为p ij=P{(X,Y)=(x i,y i)}=p{X=x i,Y=y i}i, j=1,2,…——(3.1)称 (3.1)式为(X,Y)的联合分布律。

(X,Y)的联合分布律可以用表格的形式表示如下：性质：(1) p ij ≥ 0，i, j=1,2,… (2) ∑ji ij p ,=12．边缘分布律设二维离散型随机变量(X,Y) 的联合分布律为p ij = P{X=x i ,Y=y i } i, j=1,2,…分量X 和Y 的分布律分别为 p i.=P{X=x i } i=1,2,… 满足①p i.≥0②∑ p i.=1p .j = p{Y=y i }j=1,2,… ①p .j ≥0②∑ p .j =1我们称p i.和p .j 分别为(X,Y)关于X 和Y 的边缘分布律，简称为(X,Y)的边缘分布律。

二维离散型随机变量(X,Y) 的联合分布律与边缘分布率有如下关系： p i.=P{X=x i }=P{X=x i , S}=P{X=x i ,∑(Y=y j )}=j∑P{X=x i ,Y=y j }=j∑p ij (3.4) 同理可得 p .j =i∑p ij(3.5)例1:一整数X 随机地在1，2，3三个整数中任取一值，另一个整数Y随机地在1到X中取一值。